R：基于连续变量从分类变量创建新的分类变量

Question

我已经在这里查看了使用cut函数的地方。 但是，鉴于我的情况，我无法提出一个聪明的解决方案。

首先，我当前拥有一些示例数据：

df <- data.frame(Category = LETTERS[1:20]
                 , Nber_within_category = c(rep(1,8), rep(2,3), rep(6,2), rep(10,3), 30, 50, 77, 90)
                 )

我想根据Nber_within_category列创建构成新类别的Nber_within_category列。 在此示例中，我如何制作例如Category_new ，以便在每个类别中Nber_within_category至少为5，并限制如果Category已经具有Nber_within_category >= 5 ，则采用原始类别。

因此，例如，它应如下所示：

df <- data.frame(Category = LETTERS[1:20]
                 , Nber_within_category = c(rep(1,8), rep(2,3), rep(6,2), rep(10,3), 30, 50, 77, 90)
                 , Category_new = c(rep('a',5), rep('b', 4), rep('c',2), LETTERS[12:20])
)

Answer 1

这有点hack，但是可以用：

df %>% 
  mutate(tmp = floor((cumsum(Nber_within_category) - 1)/5)) %>% 
  mutate(new_category = ifelse(Nber_within_category >= 5,
                               Category,
                               letters[tmp+1]))

floor((cumsum(Nber_within_category) - 1)/5)是一种对大小为5的垃圾箱（-1包括总和正好为5的行）进行分类的方式，我将其用作索引以获取Nber_within_category < 5的行的新类别

如果运行以下命令，可能更容易理解如何定义tmp列：

x <- 1:100
data.frame(x, y = floor((x- 1)/5))